L’aumento della spesa farmaceutica in molti paesi ha sollevato preoccupazioni riguardo alla sostenibilità dei servizi sanitari. Uno degli elementi che può supportare un fattivo miglioramento del sistema è l’attuazione di strumenti e politiche che facciano prevedere con un maggior grado di precisione la domanda di farmaci. A questo riguardo, uno studio intitolato “A prediction framework for pharmaceutical drug consumption using short time-series”, condotto da Francesco Bertolotti, Fabrizio Schettini, Lucrezia Ferrario, Daniele Bellavia ed Emanuela Foglia (Scuola di Ingegneria Industriale della LIUC e Health Care Datascience Lab HD-LAB della LIUC Business School), propone un quadro di previsione innovativo per il consumo di farmaci utilizzando serie temporali brevi, affrontando la complessità della previsione della domanda farmaceutica tramite l’integrazione di vari tipi di dati storici e la simulazione del processo generativo del consumo di farmaci. L’algoritmo proposto produce una distribuzione di valori probabili, permettendo di utilizzare non solo il valore centrale per le previsioni, ma anche la sua incertezza, cruciale per i decisori in un contesto così critico e complesso.
I risultati mostrano che il metodo consente previsioni affidabili anche con serie temporali brevi, garantendo al contempo la spiegabilità dei risultati ai responsabili politici. La metodologia è stata validata attraverso back-testing, confrontando le previsioni con i dati reali, ottenendo un’accuratezza sopra all’83%.
Il lavoro è stato realizzato con il supporto di EGUALIA e con i dati resi disponibili da parte di AIFA e IHS.
Questo strumento innovativo potrà quindi aiutare a garantire una fornitura di farmaci allineata con le esigenze sanitarie dei pazienti, ottimizzando la catena di approvvigionamento sanitaria e ottimizzando l’utilizzo di risorse pubbliche.
